POSTER: Overclaiming as Convenient Proxy for Confidence and Overconfidence
Notice bibliographique
Résumé
Introduction Ideally, measuring over confidence (specifically, overestimation) requires an objective measure of ability to contrast with self-estimates. Administering such parallel tests can costly. Furthermore, if overconfidence is measured as a difference, it remains confounded by the reference ability and self-estimates. Overclaiming is an efficient, unobtrusive technique that compares claiming familiarity of genuine items (Reals) against claiming familiarity with fake items (Foils). Objectives To explore how the overclaiming technique distinguishes between respondents’ actual knowledge and their perceived knowledge as predictors of academic performance. Methodology Undergraduate students were given both a vocabulary test and then an overclaiming measure of vocabulary, as well as other knowledge tests which included confidence ratings for general knowledge items. Their overall grades in an introductory psychology course were also collected (not self-report). Overconfidence was calculated as the difference between a respondent’s standardized confidence ratings and their standardized correct knowledge score. Results Vocabulary ability measured by Overclaiming (Reals-claiming minus Foils-claiming) strongly correlated with a conventional vocabulary ability measure ( r (163) = .77***, CI .95 = [.69, .82]), and moderately with course grade, r (163) = .37***, CI .95 = [.23, .50]. Overconfidence was necessarily confounded by confidence and general knowledge measures (e.g. r = .55), yet negatively predicted course grade, r (162) = -.30***, CI .95 = [-.43, -.15]. Reals-claiming captured confidence ( r (162) = .33***, CI .95 = [.19, .46]) and Foils-claiming captured overconfidence, r (162) = .24**, CI .95 = [.08, .37]. Regression models showed no overlap between the two associations. Conclusions Assessing overconfidence via combined ability and reported confidence is onerous and yields confounded measures which can’t be combined in predictive regression models. Our vocabulary overclaiming technique, despite covering a different knowledge area, captures general confidence and overconfidence in a way that can be combined for predicting academic outcomes. NOTE: * p < .05, ** p < .01, *** p < .001
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,113 | 0,020 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».